SAN JOSE, Kalifornien, 2023年8月14日 /PRNewswire/ - Super Micro Computer, Inc.（NASDAQ:KI

SAN JOSE, Kalifornien, 2023年8月14日 /PRNewswire/ -- Super Micro Computer, Inc.（NASDAQ: KI Gen5 ドライブとCXLモジュールをサポートする、高スループット、低レイテンシのE3.Sストレージ・ソリューションの提供を発表しました。

SAN JOSE, Kalifornien, 2023年8月14日 /PRNewswire/ -- Super Micro Computer, Inc.（NASDAQ:KI

Supermicro hat High-Throughput-, Low-Latency-E3.S-Storage angekündigt, das die branchenweit ersten PCIe Gen5-Laufwerke und CXL-Module für große KI-Trainings- und HPC-Cluster (High Performance Computing) unterstützt.

Supermicro liefert E3.S-Speicherlösungen mit hohem Durchsatz und geringer Latenz, die die branchenweit ersten PCIe® Gen5-Laufwerke und CXL-Module unterstützen, um den Anforderungen großer KI-Trainings- und HPC-Cluster gerecht zu werden, bei denen massive Mengen unstrukturierter Daten an GPUs und CPUs geliefert werden müssen, um schnellere Ergebnisse zu erzielen.

Supermicro hat eine Reihe neuer E3.5 All-Flash-Storage-Lösungen angekündigt, um den Anforderungen großer KI-Trainings- und HPC-Cluster gerecht zu werden, wo riesige Mengen unstrukturierter Daten an GPUs und CPUs geliefert werden müssen, um schnellere Ergebnisse zu erzielen.

Super Micro Computer bietet geavanceerde E3.S-Speicherlösungen mit hoher Leistungsfähigkeit und minimaler Vertragsbelastung an.

Super Micro Computer, Inc., ein weltweit führendes Unternehmen in den Bereichen Hochleistungscomputer, Speicher, Netzwerktechnik und moderne Computertechnologie, bietet die E3.S-Speicherlösungen mit hoher Leistungsfähigkeit und minimaler Vertragsbelastung an.

San Jose, Kalifornien. Supermicro, Inc. stellte seine E3.S Storage-Lösungen vor, die die ersten PCIe Gen5 Laufwerke und CXL Module für KI-Lernen und HPC-Cluster nutzen.

SAN JOSE, Kalifornien, 10. August 2023 — Supermicro, Inc., ein Anbieter von IT-Gesamtlösungen für Cloud, KI/ML, Storage und 5G/Edge, bietet E3.S-Speicherlösungen mit hohem Durchsatz und niedriger Latenz, die die branchenweit ersten PCIe Gen5-Laufwerke und CXL-Module unterstützen, um den Anforderungen großer KI-Trainings- und HPC-Cluster gerecht zu werden, bei denen riesige Mengen unstrukturierter Daten an GPUs und CPUs geliefert werden müssen, um schnellere Ergebnisse zu erzielen.